ஆகஸ்ட் 1, 2026 அன்று வெளியிடப்பட்டு, The Decoder ஆல் ஆவணப்படுத்தப்பட்டது, எட்டு வழக்கு ஆய்வுகளை ஆய்வு செய்தது - பெரும்பாலும் உயிரியலில் - இதில் ஆராய்ச்சி குழுக்கள் Codex மற்றும் Claude Code போன்ற குறியீட்டு முகவர்களைப் பயன்படுத்தி முக்கியமான மென்பொருளைக் காப்பாற்றவும், மேம்படுத்தவும் மற்றும் மீண்டும் எழுதவும் பயன்படுத்தியது. அறிவியலையும் தொழில்துறையையும் மாற்றியமைக்கும் கருவிகள் குறித்து தொடர்ந்து அறிக்கையிட, எங்களின் சமீபத்திய AI செய்திகளைப் பின்பற்றவும்.
அறிவியல் மென்பொருளில் ஒரு அமைதியான நெருக்கடி
நவீன ஆராய்ச்சியின் அடிப்படையிலான மென்பொருள்களில் பெரும்பாலானவை ஒரு காகிதத்திற்கான துணைக் குறியீடாகத் தொடங்கின. சிறிய கல்விக் குழுக்கள் இந்த கருவிகளை சரியான சோதனை, பராமரிப்பு அல்லது தேர்வுமுறைக்கான ஆதாரங்கள் இல்லாமல் உருவாக்கின. இதன் விளைவாக ஒரு பலவீனமான அடித்தளம் உள்ளது: முழுத் துறைகளுக்கும் முக்கியமானதாக இருக்கும் ஆனால் நிலையான பழுது தேவைப்படும் திட்டங்கள். ஓபன்ஏஐ கள அறிக்கையானது AI குறியீட்டு முகவர்கள் நீண்ட கால இடைவெளியை மூடுவதற்கு உதவலாம் என்று கூறுகிறது.
திட்டப்பணிகள் வழக்கமான பராமரிப்பு முதல் நவீன நிரலாக்க மொழிகளில் முழுமையாக மீண்டும் எழுதுவது வரையிலானது, மேலும் பல கண்கவர் செயல்திறன் ஆதாயங்களை வழங்கியது.
ரஸ்டில் நட்சத்திரத்தை மீண்டும் உருவாக்குதல்
மிகவும் லட்சிய திட்டங்களில் ஒன்றான, ரஸ்டார்-அலைனர், ரஸ்டில் புதிதாக ஸ்டார் மீண்டும் கட்டப்பட்டது. STAR என்பது பரவலாகப் பயன்படுத்தப்படும் ஒரு கருவியாகும், இது ஒரு மரபணுவில் உள்ள செல்களிலிருந்து அவற்றின் தொடர்புடைய இடங்களுக்கு வாசிப்புகளை வரிசைப்படுத்துகிறது. அசல் நிரலில் 20,000 க்கும் மேற்பட்ட C மற்றும் C++ கோடுகள் உள்ளன, மேலும் இது பல ஆராய்ச்சிக் குழாய்களில் உட்பொதிக்கப்பட்டிருந்தாலும், அது சுறுசுறுப்பாகப் பராமரிக்கப்படாது.
மீண்டும் எழுதப்பட்டதைச் சரிபார்க்க, குழு ஈஸ்ட் செல்களிலிருந்து 10,000 குறுகிய வரிசைமுறை வாசிப்புகளில் இரண்டு கருவிகளையும் சோதித்தது. ஒற்றை-இறுதி வாசிப்புகளுக்கு, ரஸ்டார்-அலைனர் STAR போன்ற அதே முடிவை 99.815 சதவீதம் நிகழ்வுகளில் உருவாக்கியது. ஜோடி-இறுதி வாசிப்புகளுக்கு, ஒப்பந்த விகிதம் 99.883 சதவீதம். ஒவ்வொரு வாசிப்புக்கும் இரண்டு நிரல்களும் உருவாக்கும் பல முக்கிய புலங்களை உள்ளடக்கிய ஒப்பீடு மேப் செய்யப்பட்ட இடங்களுக்கு அப்பால் நீட்டிக்கப்பட்டது, மற்றொன்று வரைபடத்தில் தோல்வியுற்ற எந்த ரீட்களையும் எந்த கருவியும் வரைபடமாக்கவில்லை.
60 மடங்கு வேகம்
RustQC 15 தனித்தனி தர-கட்டுப்பாட்டு கருவிகளை ஒரு நிரலில் இணைப்பதன் மூலம் மிகப்பெரிய வேகத்தை வழங்கியது. ஒரு பெரிய தரவுத்தொகுப்பில், இயக்க நேரம் 15 மணிநேரம் 34 நிமிடங்களில் இருந்து வெறும் 14 நிமிடங்கள் 54 வினாடிகளாக சரிந்தது - 60 மடங்குக்கு மேல் வேகம்.மற்றொரு திட்டம், HelixForge, GPU-முடுக்கப்பட்ட பதிப்பில் செயற்கை மரபணு தரவை உருவாக்குவதற்கான கருவியை மாற்றியது. ஒரு நன்கொடையாளர் மற்றும் மரபணுவின் பத்து மில்லியன்-அடிப்படை-ஜோடி பிரிவின் தரவுகளைப் பயன்படுத்தி ஒரு சோதனையில், ஹெலிக்ஸ்ஃபோர்ஜ் முழு பைப்லைனை 59.6 மடங்கு வேகமாக அசல் பாம்சர்ஜனை விட நிறைவுசெய்தது, பிரதான கணக்கீட்டு படி மட்டும் 98.6 மடங்கு வேகமாக இயங்குகிறது.
மிகவும் வழக்கமான நவீனமயமாக்கலில், GPT-5.5 ஆனது மரபியல் தரவைப் படிக்கும் பைதான் நூலகமான cyvcf2 இன் காலாவதியான உருவாக்கம் மற்றும் நிறுவல் செயல்முறையை மாற்றியது. அதிக ஈடுபாடு கொண்ட MHCflurry இடம்பெயர்வு Claude Code மற்றும் Codex ஆகியவை டெவலப்பர் மற்றும் மதிப்பாய்வாளர் பாத்திரங்களுக்கு இடையில் மாறி மாறி TensorFlow இலிருந்து PyTorch க்கு 10,000 கோடுகளை அனுப்பியது. MHCflurry என்பது ஒரு நோயெதிர்ப்பு மாதிரியாகும், இது நோயெதிர்ப்பு செல்களை அடையாளம் காணும் இலக்குகளை முன்னறிவிக்கிறது.
'நம்பிக்கையுடன் தவறு'
எவ்வாறாயினும், தலைப்பு கண்டுபிடிப்பு ஒரு நிதானமான ஒன்றாக இருந்தது. வழக்கு ஆய்வுகள் முழுவதும், முகவர்கள் நன்கு வரையறுக்கப்பட்ட பணிகளை விரைவாக முடித்தனர், ஆனால் அவர்களின் பணி அறிவியல் ரீதியாக சரியானதா என்பதை நம்பத்தகுந்த முறையில் தீர்மானிக்க முடியவில்லை. அவர்களின் குறியீடு பிழைகளைக் கொண்டிருந்தாலும் கூட, அமைப்புகள் பெரும்பாலும் முழு நம்பிக்கையுடன் அதை வழங்குகின்றன.
Cyvcf2 இன் டெவெலப்பரான ப்ரெண்ட் பெடர்சன், அறிக்கையில் உள்ள பதற்றத்தைப் படம்பிடித்தார்: "குறியீட்டு முகவர்களுடன், வேகமாகச் செல்வது மிகவும் எளிதானது; இப்போதைக்கு, அறிவியலில் வெகுதூரம் செல்ல, நிபுணர்களின் வழிகாட்டுதல், புரிதல், சுவை மற்றும் கவனிப்பு இன்னும் தேவை."
RustQC திட்டத்தை வழிநடத்திய பிலிப் ஈவல்ஸ் அப்பட்டமாக இருந்தார். அவர் முகவர்களை விவரித்தார் "சொல்வார்த்தை, உறுதியான மற்றும் நம்பிக்கையுடன் தவறவிடக்கூடிய வழிகளில் தவறானவர்கள்." ஈவல்கள் தங்கள் சொந்த வேலையின் துல்லியத்தை தீர்மானிக்க மாதிரிகளை ஒருபோதும் அனுமதிக்கவில்லை, மாறாக அவர்களின் தவறுகளைப் பிடிக்க ஒரு சுயாதீனமான சோதனைக் கருவியை உருவாக்குகிறது.
பார்வையில் மறைந்திருக்கும் பிழைகள்
இந்த பிழைகளை பிடிப்பது எவ்வளவு கடினமாக இருக்கும் என்பதை bayesm வழக்கு ஆய்வு விளக்குகிறது. அதன் ரஸ்ட் மீண்டும் எழுதுவது அசலை விட இரண்டு முதல் இருபது மடங்கு வேகமாக இயங்கியது, ஆனால் இரண்டு மேம்பட்ட முறைகளின் முதல் பதிப்புகளில் நுட்பமான குறைபாடுகள் இருந்தன. ஒன்றில், முகவர் ஒரு முக்கிய கட்டுப்பாட்டு அளவுருவைத் தலைகீழாக மாற்றினார், இதனால் நிரல் நோக்கம் கொண்ட மதிப்புகளின் பரஸ்பரத்தைப் பயன்படுத்துகிறது. ஒரு தனி பிழை கணக்கீட்டையே பாதித்தது. அறியப்பட்ட முடிவுகளுடன் ஆயிரக்கணக்கான செயற்கை தரவுத்தொகுப்புகளுக்கு எதிராக விரிவான அளவுத்திருத்த சோதனையை நடத்திய பின்னரே இரண்டு சிக்கல்களையும் ஆராய்ச்சியாளர்கள் கண்டுபிடித்தனர்.
எபிசோட் AI உடன் இணைந்து விஞ்ஞானிகள் எவ்வாறு செயல்படலாம் என்பதற்கான கட்டமைப்பு மாற்றத்தை அடிக்கோடிட்டுக் காட்டுகிறது: குறியீட்டை தாங்களாகவே எழுதுவதற்குப் பதிலாக, அவர்களின் மையப் பணியானது முடிவுகளை கடுமையாகச் சரிபார்ப்பதாகும் - இது முகவர்களால் வழங்க முடியாத ஆழமான டொமைன் நிபுணத்துவத்தைக் கோருகிறது.
அறிவியலுக்கு என்ன அர்த்தம்
இந்த கண்டுபிடிப்புகள் அதிக பங்கு உள்ள களங்களில் AI அமைப்புகளுக்கு எவ்வளவு சுயாட்சி வழங்கப்பட வேண்டும் என்பது குறித்த தீவிர விவாதத்தின் தருணத்தில் இறங்குகிறது. வேகப்படுத்துதல்கள் உண்மையான மாற்றத்தை ஏற்படுத்துகின்றன - இயக்க நேரத்தை 60 மடங்கு குறைப்பது ஒரே இரவில் வேலை செய்வதை காபி பிரேக்காக மாற்றும். ஆனால் அறிக்கையின் மிக முக்கியமான பங்களிப்பு வரம்புகளைப் பற்றிய அதன் நேர்மையாக இருக்கலாம். வேகமான, சரளமான மற்றும் வற்புறுத்தும் முகவர்கள், இன்னும் அறிவியல் செல்லுபடியை சுயமாக மதிப்பிட முடியாத, என்ன சரிபார்க்க வேண்டும் என்பதைத் தெரிந்த நிபுணர்களின் கைகளில் மட்டுமே சக்திவாய்ந்த கருவியாக இருக்கும்.
சம்பந்தப்பட்ட ஆராய்ச்சியாளர்களுக்கு, பாடம் தெளிவாக உள்ளது: AI அறிவியலின் சாரக்கட்டுகளை குறிப்பிடத்தக்க வேகத்தில் மீண்டும் உருவாக்க முடியும், ஆனால் மனித தீர்ப்பு சுமை தாங்கும்.
AIக்கு முன்னால் இருங்கள்
ஆராய்ச்சி முன்னேற்றங்கள் முதல் நிறுவன வரிசைப்படுத்தல்கள் வரை, மாற்றத்தின் வேகம் இடைவிடாது. அறிவியல், வணிகம் மற்றும் சமூகத்தை செயற்கை நுண்ணறிவு எவ்வாறு மறுவடிவமைக்கிறது என்பதற்கான தற்போதைய, உண்மை சரிபார்க்கப்பட்ட கவரேஜுக்கு AI Buzz Wire புக்மார்க் செய்யவும்.
மேலும் AI ஆராய்ச்சி செய்திகளைப் படிக்கவும் →
